#疫情資訊整理
今日指揮中心宣佈增加 206 例本土個案,雖然今天病例增加數只比昨天多 20 多位,但疫情還沒有進入收束階段,不只昨日出現4月中旬就出現症狀的案例,今日更有4月6日即有症狀的案例出現,顯示可能存在我們還不清楚的傳播鍊。原先的傳播鍊、時序推斷都可能再調整,病例也有可能持續上升。
.
新北的防疫病床、旅館已經面臨不足;台北市也仍在保留、增加應變量能之中。北市聯醫的人力已經相當緊繃,我除了要呼籲市府給予衛生局及聯醫同仁最大支持與協助外,也要呼籲市民朋友減少不必要的醫療行為。
.
從昨天宣佈雙北三級警戒,除了九大防疫指引之外,後續又有一些官方或民間防疫措施公佈。這邊補充目前新增的幾項要點。這邊整理給大家作為參考:
.
1️⃣ 雙北高三、國三生17日起改遠端學習。鄰近萬華警戒區的老松、龍山、螢橋與雙園等4所國小明天起全校停課一週。學生若有防疫需求想請假,教育局同意學校各級學校彈性處理,不列入出缺席紀錄。
2️⃣ 財政部宣布28日前全台暫停臨櫃報稅(綜所稅、營所稅已延長申報至6/30)。如因防疫禁行隔離、檢疫,可向北市稅捐處申請房屋稅延期。
3️⃣ 內政部宣布宗教寺廟暫不開放參拜,天主教、慈濟、法鼓山、長老教會暫停室內集會。
4️⃣ 各大超商雙北門市宣布實施實聯制,請大家進入超商採購時務必配合,也要戴好口罩。
5️⃣ 指揮中心要求各企業落實「持續營運指引」,進行員工健康監測、啟動異地或在家上班等對策。
6️⃣ 指揮中心宣佈醫療應變策略。包括不急迫之診療延遲、病人住院前一律公費篩檢、加強員工健康監測。也研議在雙北以外設置篩檢站。
7️⃣ 指揮中心呼籲一般民眾搭乘大眾交通工具時,多使用記名電子票證,以利疫調時能夠更快掌握足跡。
8️⃣ 台北區醫院負壓病床吃緊,指揮中心發布給予確診者與接觸者的衛教資訊,請確診者與其接觸者務必確實配合。
9️⃣ 公務員5月28日前彈性上下班。
.
#穎孟想和大家說
.
這幾天有一份繪有生活圈的COVID-19網路地圖在流傳。作者應該是出於善意,但是不只上面沒有這兩天 386 例本土案例的足跡資料,地圖生活圈界定也過於狹小、粗糙,不能作為傳播風險的參考依據,請大家不要誤以為自己不在這張地圖的生活圈範圍內,就比較沒有感染風險。
.
目前指揮中心已經宣佈雙北皆為三級警戒,代表雙北各區風險相當,請雙北的大家務必遵守相關防疫規範。
.
昨天,我曾經感謝許多朋友與政治人物,都放下成見,持續地傳佈相關措施、盡力協助防疫工作。但這兩天,還是仍舊有不少政治人物仍在做基於錯誤事實、見解的政治攻擊。這些行為,對防疫沒有幫助事小,造成支持者的錯誤認知、產生防疫缺口事大。在疫情平緩時期,這些言論即便造成傷害,也都還算可以忍受的範圍;但在艱困時刻,仍淨作一些損人利己的發言,實在是讓人訝異。
.
我要告訴這些政治人物,口水是傳播 COVID-19 的途徑,沒有營養、充滿錯誤事實以及偏見的政治口水,也一樣會助長 COVID-19 的傳播。在全民防疫的當下,政治工作者的天職正是協助防疫工作的順暢、提供民眾正確的資訊、作為前線公衛、醫護人員的後盾,而不是只為了打擊政敵,持續散布錯誤的、對防疫沒有幫助的言論。
.
最後,我要再一次要向每一位支持者呼籲,疫情尚未終結,請做好個人防護,戴口罩、勤洗手、多消毒、少接觸、保距離。一起團結防疫,做阻斷病毒傳播鍊的那個人!
.
#防疫相關資源
.
✅ 中央社疫情報導
https://www.cna.com.tw/topic/newstopic/2012.aspx
.
✅ COVID-19 Info 疫情資訊野生整合平台(g0v)
https://g0v.hackmd.io/@yitzu/covid-19
.
✅ 保持距離請用 #台灣社交距離APP
iOS https://yingmeng.pros.is/iossdapp
Andriod https://yingmeng.pros.is/adsdapp
使用說明 https://yingmeng.pros.is/sdapp
.
✅ 查詢足跡是否曾經重疊請用「武漢肺炎歷史軌跡比對」
https://yjlou.github.io/2019-nCov/
.
✅ 各項謠言查證
事實查核中心 https://tfc-taiwan.org.tw/topic/3826
Cofacts 機器人 https://cofacts.tw/
.
✅ 如果您有外國朋友,請提供他們多語版防疫指引
雙北防疫指引(中央社) https://yingmeng.pros.is/langs
疾管署COVID-19專區英文版 https://yingmeng.pros.is/encdc
.
---
#大安 #文山 #林穎孟
問政報告 https://yingmeng.pros.is/report2020fw
陳情請洽 https://forms.gle/pG7YjamwHcN1735d7
變量英文 在 李開復 Kai-Fu Lee Facebook 的最佳貼文
近幾個月,在AI賦能未來醫療的思考特別多,受美國「WIRED連線」雜誌邀請撰寫了一篇專欄文章。我相信十幾年後,不少國家和地區的醫療體驗在AI賦能的作用下將發生根本性改變。
原文刊於「WIRED連線」雜誌英文官網:
Covid-19 Will Accelerate the AI Health Care Revolution
https://www.wired.com/story/covid-19-will-accelerate-ai-health-care-revolution/
中文翻譯來自創新工場微信公眾號 2020-5-22
新冠大流行將加速醫療AI革新
—————————————
2020年元旦前夜,一家位於加拿大多倫多市的人工智能(AI)企業BlueDot捕捉到一些異常:中國武漢市海鮮市場周邊出現多起罕見肺炎病例,BlueDot迅即反應,運用自然語言處理、機器學習等技術,結合大數據和定位追踪,迅速向合作的政府部門和公共衛生機構客戶傳送警報並報告擴散狀況。BlueDot所監測到的異狀,正是數月後撼動全球的新型冠狀病毒肺炎(Covid-19),這比世界衛生組織首度公開警示新冠病毒的時間還要早上9天。
BlueDot的AI平台示範了人工智能技術對重大疫情能起到早期預警的功用,過去幾個月裡,AI在這場全球抗疫戰的許多方面發揮了獨特作用:從疫情預測到篩檢,從接觸警示到快速診斷,從前線無人配送到實驗室藥物研發,人工智能助力防疫派上了不少用場,為特定場景應用賦能。
隨著疫情在全球蔓延,AI技術的創新應用也在各地相繼落地。在韓國,基於地理位置的信息傳遞已經成為控制病毒傳播的重要工具,當人們靠近確診病例時,就會收到基於位置的緊急信息提醒。在中國大陸,阿里巴巴推出的AI算法能夠在20秒內診斷出疑似病例(比人類檢測快了近60倍),準確率高達96%。無人配送車輛很快被投入到人類難以承受的場景,代替人類執行高傳染風險的運輸任務。湖北、廣東等省份的多家醫院相繼使用機器人為病人或被隔離家庭運送食物、藥品和物資。而在美國加州,電腦科學家正在研發能遠程檢測獨居老人健康情況的系統,一旦老人出現身體異常症狀,系統就會發出即時警報。
不過,目前人工智能在公共衛生體系的應用仍顯零散也未成體系。坦率說,過去四個月內,AI在抗疫之戰中的表現並不十分突出,我最多只能給它打分“B-”。新冠大流行暴露了我們的醫療系統的脆弱性:預警響應不充份、通報信息不精確、醫療物資分配不均、醫務人員超負疲憊、醫院病床緊繃、疫苗研發週期長等諸多痛點。當然,AI的零散表現也有客觀原因:醫療體系可說是現代社會各類運轉體系中最為複雜、陳舊不堪且難以變通的一種;且在新冠疫情襲來之前,我們並沒有真正意識到醫療體系問題的緊迫性,沒有提前採取相應的技術預防措施;最為關鍵的是,我們缺少建構AI解決方案所需的大數據。
把目光看向未來,我看到以下兩個AI賦能醫療的樂觀因素。
首先,作為AI燃料的醫療大數據已被激活。舉例來說,機器學習數據科學平台Kaggle組建了新冠病毒開放研究數據庫,名為CORD-19。它將相關數據進行彙編,並把最新研究集中收錄,匯總的格式可被機器讀取和解析,以便於AI進行機器學習。至今這個數據庫收錄了12.8萬篇包含Covid-19、冠狀病毒、SARS(非典型肺炎)、MERS(中東呼吸綜合症)等關聯術語的醫學專業學術文章。
其次,眼下全世界的醫學專家和電腦科學家都將精力集中在解決疫情問題。 X大獎基金會創始人彼得·戴曼迪斯(Peter Diamandis)估計,全球現在有多達兩億名的醫師、科學家、護士、技術專家和工程師投入防治冠狀病毒的相關研發中,他們正在進行數以萬計的實驗,並以「前所未有的透明度和速度」共享信息。
3月16日Kaggle發起「新冠病毒研究挑戰」,匯集與疫情相關的大量信息,包括病毒的自然歷史、傳播和診斷方法、以及從過往流行病學研究中汲取的經驗教訓,幫助全球各地衛生機構及時掌握最新情況,以做出基於數據的分析決策。該項目發布後的五天內被瀏覽超過50萬次,下載量逾1.8萬次。在大陸疫情爆發後不到一個月,阿里巴巴便推出了一種AI算法,該算法基於5000多個新冠肺炎確診病例進行訓練,並關聯到治療後續諸如肺部白色陰影縮小等的成效追踪。隨後,阿里巴巴將其云端AI平台向全球醫療專業人員開源,與合作夥伴聯手部署更大批量的匿名數據,推出包括疫情預測、CT影像分析、冠狀病毒基因組測序等模組。
據估計,現今全球醫療數據的規模每隔幾個月就翻一倍。 2019年一份覆蓋19個國家AI醫療市場的研究估計,AI醫療市場的年複合增長率為41.7%,從2018年的13億美元將增長至2025年的130億美元,主要分佈在六大領域:醫院工作流程、可穿戴設備、醫學影像和診斷、診療計劃、虛擬助手、以及最重要的藥物研發,新冠疫情期間浮現的種種需求,將加速AI賦能醫療的場景落地。
在後疫情時代,我期待AI將加速融入醫療體系,賦能並推動醫療改革。其中深度學習(Deep Learning),即以一種高效方法運算海量、多維數據的能力,是AI結合醫療最為可期的機遇之一。深度神經網絡(Deep Neural Networks)作為AI的一個子領域,已經被用於醫學掃描、病理切片、眼科檢查甚至結腸鏡檢查,以得出準確而快速的算法判讀。十幾年後,不少國家和地區的醫療體驗在AI賦能的作用下將發生根本性改變。
AI賦能醫療,首先能簡化及優化現有的醫療流程,例如醫院的作業流程,保險履約的繁複流程。將AI與RPA(Robotic Process Automation 機器人流程自動化)結合,可對某項工作流程進行智能拆解及優化,進而大大提高醫療系統的運營效率,預約看診、保險理賠及其他流程性工作都會得到效率提升。AI還能加快早期診斷信息的收錄並實現自動化,AI技術所能處理的文本、語言、數字的體量,無論在數量上還是精度上都是機器級別,遠非人類所及。
有了充份的醫療大數據作為基礎,AI還能為每個人或者每個群體建立健康數據基準量表。當我們掌握個體健康數據,就可以根據跟踪動態數據的波動變化,進行數據驅動的診斷,並對潛在大流行疾病的徵兆進行早期追踪研判。然而,再先進的技術系統要做到真正有效,勢必需要與既存的公共衛生警示和匯報機制形成高效鏈接,此類信息斷層即是新冠疫情在早期爆發期間存在的具體缺失。
再上一個層次的AI賦能體現在助力新藥研發、基因組測序、幹細胞、CRISPR(基因編輯)等醫學突破方面,AI模型和算法應用都有其用武之地。在製藥行業,研發一種新藥往往需要付出高昂的投入,某次成功前必有多次付諸流水的失敗試驗,也連帶消耗巨大的時間和金錢成本。現在,科學家們可使用AI機器學習來模擬上千個變量,測試它們的複合效應會對人類細胞反應產生何種影響,這類AI新藥研發的技術已被用於新冠病毒疫苗和其他療法。創新工場所投資總部位於香港的AI藥物研發公司Insilico Medicine是首批對新冠病毒快速響應的企業之一,這家公司利用生成式化學AI平台設計出新藥物小分子,以複製主要病毒蛋白為靶標,早在2月5日便公佈了這些小分子結構。 AI為新藥發明開闢了一個新時代,用人工智能技術來換取藥品研發週期的時間和成本,整個製藥行業勢將迎來翻天覆地的變革。
不久的將來,隨著醫療科學和電腦科學進一步融合,我們將進入一個全面自動化的AI時代,到時人們可以通過可穿戴設備、生物傳感器、智能家居檢測設備等來確保自身和家人的健康。可穿戴設備和其他物聯網設備的數據質量和多樣性大幅提高,將能產生一個有效的良性循環。穿越到未來,下一場疫情在大範圍蔓延之前就應該能夠被跟踪、追溯、攔截並消滅無踪。
或許再過15年,許多人的家裡都會有AI個人助理照料我們,幫著解決全家人的日常健康所需。機器人或者無人機負責把我們的藥品送上門,如果需要進行手術或者外科治療,通常會由機器人操作,或由機器人輔助人類外科醫師完成。在未來,醫生和護士將把更多的精力放在機器無法勝任的任務上,醫療專業人員及富有同情心的護理人員,將同時具備護士、醫療技師、社會工作者、甚至心理諮詢師的技能。他們會使用經AI強化的診斷工具和系統,但更多的時間會與患者溝通,安撫他們的傷痛,為他們提供情感扶持。在我的想像裡,15年後的醫療健康場景可能是這個樣子的:
***
2035年一個冬季早晨,我醒來後就覺得有點喉嚨痛。我起身去洗手間,刷牙的時候,洗手間的鏡子通過紅外傳感器測量了我的體溫。刷完牙後一分鐘,我的私人AI醫師助理發出了警報,顯示我的唾液樣本部分指數異常,並在輕微低燒。 AI醫師助理建議我在家進行指尖探針採血。我在泡咖啡時,醫師助理返回了分析結果,判斷我可能是得了這個季節正在流行的兩型流感其中一種。之後,我的AI醫師助理建議,如果我覺得有必要聯繫家庭醫生的話,有兩個時間空檔可以跟她視頻通話。通話之前,家庭醫生已經收到我所有症狀的詳細信息,她給我開了一種減充血劑和撲熱息痛,一會兒無人機就把藥品送到我家門口。
***
當然,凡涉及到患者的醫療記錄,就得談談隱私和數據保護的關鍵問題。我認為,任憑有用的數據各自孤島式的存在、不善加利用、不從中提煉有價值的信息、不用以推動社會進步,是相當不負責任的做法。技術產生的問題應該由技術解決。隨著AI技術浪潮而出現的諸如數據保護等問題,應該有更為創新的技術方法來應對。
好消息是,近年聯邦學習(也被稱為分佈式學習)已經在數據保護上取得了顯著的進展。基於聯邦學習技術,患者的數據將永遠不會離開所在的醫療機構、醫院或個人設備伺服器等原始存儲設備,機器學習模型將在獨立的數據庫基礎上進行訓練處理,再進行後續整合。聯邦學習、同態加密,結合可信硬體執行環境等技術,將進一步確保數據的計算、傳輸、存儲過程能夠適配不同的隱私偏好,以因應不同國家與文化對於隱私保護的需求差異。
這次新冠肺炎疫情還驗證了一個事實:整體人類命運是共同體,人們對未來運用AI等先進技術共度難關寄予一致的期盼。歷史上,國際合作曾消滅了全球延燒的天花,也幾乎根除了小兒麻痺症。公共衛生無國界,控制及消除流行病是個毋庸置疑的共同目標。在醫學領域,每個國家都能從他國的研究基礎上學習受益並攜手並進,全球化的數據科學,將進一步幫助人類獲取對健康和疾病最為深刻、最為全面的洞悉。
AI有潛力協助我們為下一次疾病大流行做更充份的準備。這需要醫學專家、AI科學家、投資者和決策者傾力協作,也需要關注醫療保健領域的投資人為聰明的創業者和科學家注入新一波動能。
經歷這次疫情,我們應清醒地意識到,要將人類醫療體系推往新的高度,著實需要傾盡全球之力。
創新工場董事長兼首席執行官
李開復博士
變量英文 在 余海峯 David . 物理喵 phycat Facebook 的最讚貼文
【推舊文】無題
這是去年寫的文章。因發現近日有人批評化學老師沒資格檢驗口罩,特此重貼。
重點是,有此知識是可以靠逐步正確地自學回來,不需要成為專家才能評論。有些知識則必須先花大量時間鑽研,並且通過專業協會或同儕審查過後才能確認「獲得」該知識。把不同難度的知識混為一談,不是本身無知就是有心混淆視聽。
//可能是物理佬習慣的思考模式,我很怕說「某知識」是「某某學科」的知識。例如我見過「人工智能是電腦科的問題學,與物理學有何關係」、「演化是生物學的知識,物理學家懂什麼」、「你懂得用統計學去點算遊行人數嗎」。我怕的不是把知識分門別類,而是那種「你沒有讀過某某科目,所以你的知識是錯的」態度。
學問是由人所發現/發明的(我會以英文「invent」表示)。理論上,每個人都可以重新re-invent所有知識。實際上,影響一個人能夠在這個宇宙中建構出多少知識,也取決於多項條件:個人本身的興趣、人類生命的長度、獲得該知識的難度等。由於人類必須維持自己的生命和自由才能選擇做任何事情,即使是天才如愛因斯坦和費曼,能夠花費在研究的時間亦非常有限。故此,除了必須對知識作出取捨時,亦必須避免重複re-invent已知知識。例如,我們不需要自己去買建構電腦的零件,我們可以相信電腦科學家的專業,使用他們發明出來的電腦,直接買一台就夠了。又例如,粒子物理學家也不用去學習土木工程,只要相信工程師的專業,使用他們建造出來的巨型隧道和粒子加速器就可以了。當然,如果我們真的很想自己「re-invent the wheel」也是絕對沒有問題的,特別是在前沿科研之中,re-invent the wheel是必須的工作,因為一項成功的研究必須能被其他人獨立驗證。
知識是有分深淺的。比較深奧或複雜的知識,re-invent the wheel的成本比較高,因此難度也高,例如要一個理論物理學家去獨力建造大型強子對撞機,或者要一個電腦科學家去學習製造半金屬部件的技術,也是不必要的。在這些情況下,由於他們的目的並非創造新一代的粒子加速器或電腦,他們可以相信其他人的專業,互相節省時間。這樣,把知識分門別類可以幫助我們更有效率地解決問題。
然而,有些比較基礎的知識,卻是任何人依靠思考或推理,甚至是在家中都可以做到的小實驗,都可以re-invent的。我們隨時可以做拋球實驗,re-invent「重力加速度與物體質量無關」,這知識不用靠「讀過」物理學才能得到;我們可以用簡單的邏輯推論,就得出基本的博弈論理論,從而應用在生物演化當中,為各物種演化的關係想出合理解釋,這知識不用靠「讀過」生物學才能得到;我們也可以用簡單的算術(加減乘除)和物理(速率等於距離除以時間)計算出遊行人數,這知識不用靠「讀過」統計學才能得到。
這種re-invent知識的過程,花費的時間不會過多,能夠訓練腦袋邏輯思考之餘,亦能對自己不熟悉的科目增進了解。因為在re-invent知識的過程中,很大機會我們會過度簡化了問題。例如,雖然遊行人數能夠以隊伍行進速率大概計算出來,但中途加入和離開的人數就會使我們的計算結果有所偏差。這時,我們必須調整自己的計算,加入更多細節,使這個我們自己re-invent出來的方法更加實際(realistic),例如觀察途人進出的頻率,在方程中加入新的變量。
這種調整過程可以一直重複,直到我們接觸的知識已經變得太深入,不能單單以一些基礎知識來補足,我們就必須尋求更專業的意見。這樣,才是我們應該尋求「某某學」的時候,利用前人已知的知識驗證我們自己的理論。如果你是凡事立即尋求專家意見的人,就失去了這種自我學習的機會,也會看不見其他人下過的努力。知識和科目之間聯繫密切,能夠自己找到多少知識,在於我們肯為發現知識和真實,付出多少。//